CalArena 大规模事后校准基准发布并开源

2026年10月28日，arXiv 上线 CalArena 基准相关论文。该基准由 Eugène Berta 等人提出，覆盖近 2000 个实验，涉及表格和计算机视觉任务。 基准聚合了经典模型、深度学习架构及基础模型的预测，并包含数十种校准方法的统一实现。研究者提出以合理评分规则中的事后改进（PHI）替代传统校准误差估计器。 该工作已被 NeurIPS 2026 Evaluations & Datasets track 接收。作者开源了所有数据、代码及评估工具，提供即插即用的基准以支持后续校准方法研究与比较。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。